精华内容
下载资源
问答
  • 2020-08-02 16:42:58

    [滑模控制器浅述] (1) 二阶系统的简单滑模控制器设计

    本博客需要一些现代控制理论中Lyapunov稳定性的一些理论知识。
    关于滑模控制的原理这里将不再赘述,读者们可以参考别的理论文献,会有很长的故事,这里将主要从数学和稳定性的角度,利用笔者浅薄的知识,为各位读者最通俗易懂的浅述滑模控制器的简单设计。
    这将会是一个系列博客(如果笔者不咕咕咕),后面还会对滑模控制的抗干扰原理介绍,以及介绍几种笔者用过的近年来改良的滑模控制器。
    [滑模控制器浅述] (2) 滑模控制抗干扰原理
    [滑模控制器浅述] (3) 滑模控制抗系统参数不定原理
    [滑模控制器浅述] (4) Terminal滑模简述及其与普通滑模收敛速度比较
    [滑模控制器浅述] (5) 基于分层滑模的吊车控制

    1 前言

    本文将针对二阶系统,即输入直接改变目标的加速度(被控量的二阶导数),控制目标是位置状态的跟踪,如果你没有一个合适的研究对象,可以选取多旋翼无人机,笔者的前文对其有较为详细的介绍,本文将以无人机的位置控制为例,控制器设计的方法同样可以推广到别的系统上去:
    MATLAB Simmechanics/Simscope四旋翼无人机控制仿真(3) 无人机控制器设计(非PID)

    2 无人机位置环的滑模控制器设计

    关于无人机的数学模型和控制原理逻辑可以参考前面提到的系列博客。
    考虑无人机 x x x方向位置状态方程:
    { x ˙ = x ˙ x ¨ = u x u 1 m \left\{ \begin{matrix} \dot{x}=\dot{x} \\ \ddot{x}=\frac{{{u}_{x}}{{u}_{1}}}{m} \\ \end{matrix} \right. {x˙=x˙x¨=muxu1 x 1 = x {{x}_{1}}=x x1=x x 2 = x ˙ {{x}_{2}}=\dot{x} x2=x˙
    { x ˙ 1 = x 2 x ˙ 2 = u x u 1 m \left\{ \begin{matrix} & {{{\dot{x}}}_{1}}={{x}_{2}} \\ & {{{\dot{x}}}_{2}}=\frac{{{u}_{x}}{{u}_{1}}}{m} \\ \end{matrix} \right. {x˙1=x2x˙2=muxu1定义误差:
    e 1 = x 1 d − x 1 {{e}_{1}}=x_{1}^{d}-{{x}_{1}} e1=x1dx1考虑滑模面, c > 0 c>0 c>0
    s = e ˙ 1 + c e 1 s={{\dot{e}}_{1}}+c{{e}_{1}} s=e˙1+ce1求导:
    s ˙ = e ¨ 1 + c e ˙ 1 = x ¨ 1 d − x ˙ 2 + c e ˙ 1 \dot{s}={{\ddot{e}}_{1}}+c{{\dot{e}}_{1}}=\ddot{x}_{1}^{d}-{{\dot{x}}_{2}}+c{{\dot{e}}_{1}} s˙=e¨1+ce˙1=x¨1dx˙2+ce˙1设计趋近律, ε > 0 \varepsilon >0 ε>0 r > 0 r>0 r>0
    s ˙ = − ε s g n ( s ) − r s \dot{s}=-\varepsilon sgn \left( s \right)-rs s˙=εsgn(s)rs根据上面两式,可以求解输入:
    x ¨ 1 d − x ˙ 2 + c e ˙ 1 = − ε s g n ( s ) − r s x ¨ 1 d − u x u 1 m + c e ˙ 1 = − ε s g n ( s ) − r s u x = m x ¨ 1 d + ε s g n ( s ) + r s + c e ˙ 1 u 1 \begin{aligned} \ddot{x}_{1}^{d}-{{{\dot{x}}}_{2}}+c{{{\dot{e}}}_{1}}=-\varepsilon sgn \left( s \right)-rs \\ \ddot{x}_{1}^{d}-\frac{{{u}_{x}}{{u}_{1}}}{m}+c{{{\dot{e}}}_{1}}=-\varepsilon sgn \left( s \right)-rs \\ {{u}_{x}}=m\frac{\ddot{x}_{1}^{d}+\varepsilon sgn \left( s \right)+rs+c{{{\dot{e}}}_{1}}}{{{u}_{1}}} \end{aligned} x¨1dx˙2+ce˙1=εsgn(s)rsx¨1dmuxu1+ce˙1=εsgn(s)rsux=mu1x¨1d+εsgn(s)+rs+ce˙1对于本滑模控制,其稳定性分析不是考虑状态量,而是考虑滑模面,考虑如下Lyapunov函数:
    V = 1 2 s 2 V=\frac{1}{2}{{s}^{2}} V=21s2求导:
    V ˙ = s s ˙ = − ε s s g n ( s ) − r s 2 = − ε ∣ s ∣ − r s 2 < 0 \begin{aligned} & \dot{V}=s\dot{s} \\ & =-\varepsilon s sgn \left( s \right)-r{{s}^{2}} \\ & =-\varepsilon \left| s \right|-r{{s}^{2}}<0 \end{aligned} V˙=ss˙=εssgn(s)rs2=εsrs2<0 s s s是收敛的,而且这是在设计滑模趋近律 s ˙ \dot{s} s˙的时候就已经决定的,说明有 s → 0 s\to 0 s0,即 e ˙ 1 + c e 1 → 0 {{\dot{e}}_{1}}+c{{e}_{1}}\to 0 e˙1+ce10,这又说明了什么呢?说明 e ˙ 1 {{\dot{e}}_{1}} e˙1 e 1 {{e}_{1}} e1正负异号,最终必同时有 e ˙ 1 → 0 {{\dot{e}}_{1}}\to 0 e˙10 e 1 → 0 {{e}_{1}}\to 0 e10。从而实现状态量的跟踪,因此不用直接分析误差的Lyapunov函数。
    这里笔者就偷懒不放仿真曲线了,因为手边现在没有现成的,不过效果当然是会跟踪上期望的状态。
    值得一提的是,这里的参数 c c c能够影响 e 1 {{e}_{1}} e1 e ˙ 1 {{\dot{e}}_{1}} e˙1的收敛速度, c c c越大, e 1 {{e}_{1}} e1收敛的相比较 e ˙ 1 {{\dot{e}}_{1}} e˙1而言是越快的,反之亦然。
    还有别的常用趋近律:
    s ˙ = − ε s g n ( s ) ε > 0 \begin{matrix} \dot{s}=-\varepsilon sgn \left( s \right) & \varepsilon >0 \\ \end{matrix} s˙=εsgn(s)ε>0
    s ˙ = − r s r > 0 \begin{matrix} \dot{s}=-rs & r>0 \\ \end{matrix} s˙=rsr>0

    s ˙ = − ε ∣ s ∣ α s g n ( s ) ε > 0 , 0 < α < 1 \begin{matrix} \dot{s}=-\varepsilon {{\left| s \right|}^{\alpha }}sgn \left( s \right) & \varepsilon >0,0<\alpha <1 \\ \end{matrix} s˙=εsαsgn(s)ε>0,0<α<1他们其中的项也可以交叉使用。

    更多相关内容
  • 输出调节2.3——内模控制器设计

    千次阅读 2019-11-12 09:04:01
    一、理想IMC控制器设计 对于IMC系统,典型结构框图如下: 图1 内模控制器结构框图 被控过程已知,则IMC控制器设计如下: ...

    一、理想IMC控制器设计

    对于IMC系统,典型结构框图如下:

                                      

                                                                            图1 内模控制器结构框图

    被控过程P(s)已知,则IMC控制器设计如下:

                                                           M(s)=P(s)     且                   Q(s)=M^{-1}(s)                     (1)

    根据系统输出方程可知:

                                         y=\frac{Q\left ( s \right )P\left ( s \right )}{1+Q\left ( s \right )\left [ P\left ( s \right )-M\left ( s \right ) \right ]}r+\frac{\left [ 1-Q\left ( s \right )M\left ( s \right ) \right ]D\left ( s \right )}{1+Q\left ( s \right )\left [ P\left ( s \right )-M\left ( s \right ) \right ]}d           (2)

    则始终有:

                                                                      y=r                                                                               (3)

    理想控制器具有无误差跟踪参考输入及完全抵抗干扰的效果。

    二、理想控制器设计过程中存在的问题

    1、若被控过程P(s)含有时滞特性,则控制器Q(s)=M^{-1}(s)中含有纯超前项,这在物理上难以实现,不符合因果律。

    2、若被控过程P(s)含有右半平面零点,因为M(s)=P(s),而控制器Q(s)=M^{-1}(s),所以控制器Q(s)中就会出现右半平面极点,造成控制器本身不稳定,因而闭环系统也不稳定。

    3、过程模型M(s)严格有理,则理想控制器非有理,即

                                                                                   \lim_{s\rightarrow 0}\left | Q(s) \right |\rightarrow \infty                                         

    也就是说,如果M(s)的分母多项式的阶次比分子多项式的阶次高N阶,则控制器中将会出现N阶微分器,尽管这在数学上是成立的,但N阶微分器对于过程测量信号中的噪声极为敏感,因而不切实际。

    4、采用理想控制器构成的系统,对于模型误差极为敏感,若P(s)\neq M(s),则无法确保闭环系统的鲁棒稳定性。

    三、IMC控制器设计

    为解决上述四个问题,将设计内模控制器分为两个步骤:

    1、设计一个稳定的理想控制器,而不考虑系统的鲁棒性和约束;

    2、引入滤波器,通过调整滤波器的结构和参数,以期获得理想的动态品质和鲁棒性。

    步骤1:过程模型M(s)的分解

    M(s)可分解为两项:M_{+}(s)M_{-}(s),即

                                                                M(s)=M_{+}(s)M_{-}(s)                                       (4)

    其中,M_{+}(s)为模型中包含纯滞后和不稳定零点的部分,M_{-}(s)为模型中的最小相位部分。

    步骤2:IMC控制器设计

    在设计IMC控制器时,需在最小相位M_{-}(s)的逆上增加滤波器,以确保系统的稳定性和鲁棒性。定义IMC控制器为

                                                                 Q(s)=f(s)/M_{-}(s)                                        (5)

    式中,f(s)为低通滤波器,选择f(s)的目的之一是使Q\left ( s \right )变得有理,通常选用以下形式:

                                                             f(s)=\frac{1}{(1+\lambda s)^{r}}                                                (6)

    式中,r应该足够大以保证Q\left ( s \right )的可实现性,\lambda为滤波时间常数,是内模控制器仅有的设计参数

     

     

     

    展开全文
  • 永磁同步电机PI控制器设计

    千次阅读 多人点赞 2020-07-31 22:36:23
    电机控制中,使用最多的就是PI控制器了,因为D参数通常使用不多。我打算以PMSM双环控制为例,对传统的PI控制进行分析。 下面是看到的一段PI控制器的介绍 按偏差的比例(P)、积分(I)和微分(D)进行控制的PID控制...

    前言

    电机控制中,使用最多的就是PI控制器了,因为D参数通常使用不多。我打算以PMSM双环控制为例,对传统的PI控制进行分析。
    下面是看到的一段PI控制器的介绍

    按偏差的比例(P)、积分(I)和微分(D)进行控制的PID控制器(亦称PID调节器)是应用最为广泛的一种自动控制器。它具有原理简单,易于实现,适用面广,控制参数相互独立,参数的选定比较简单等优点;而且在理论上可以证明,对于过程控制的典型对象──“一阶滞后+纯滞后”与“二阶滞后+纯滞后”的控制对象,PID控制器是一种最优控制。PID调节规律是连续系统动态品质校正的一种有效方法,它的参数整定方式简便,结构改变灵活(PI、PD、…)。

    PI控制器具有一定的鲁棒性,因为它本身的定义上看,可以对误差校正,且校正本身不依赖于电机参数,只是PI控制器自身参数不合适的情况下,PI调节的动态性会不满意,最终稳态值可能也会有震荡。
    PI控制器因为用的较多,参数设计方法很成熟。在使用FOC控制电机的情况下,电拖书里的直流电机双环参数设计方法可以被用于永磁同步电机的参数设计。当然,各家厂商对PI控制器的参数设计都提出过相应的设计方法,我个人是比较倾向于使用它们的设计方法,毕竟电拖书中要求PI控制器设计为I型和II型系统时,需要已知系统本身的延迟时间等参数,而这些参数比较难获得,厂商提供的电流环设计是按照一阶惯性环节设计的,还是比较简单的。

    芯片厂商方案PI控制设计

    ST的双环设计

    电流环设计

    设计时首先考虑进行电流环参数设计。当电机处于中低速运行时,可以忽略电流环输出的电压耦合项,电机的电流环PI参数配置,应当将PI调节器与电机构成一个闭环系统来看。
    假设现在反电势电压为常数(因为通常相对于电流来说反电势电压变化缓慢),可将从电机电压到电机电流的小信号传输函数定义为:
    I ( s ) V ( s ) = 1 R S 1 + L S R S s \frac{{I(s)}}{{V(s)}} = \frac{{\frac{1}{{{R_S}}}}}{{1 + \frac{{{L_S}}}{{{R_S}}}s}} V(s)I(s)=1+RSLSsRS1
    在这里插入图片描述
    在这个系统中,按照零极消除的原则来配置PI参数,可以使得系统稳定。其中的AB为采样系数,这里可以认为都是1,即用真实值计算。
    在这里插入图片描述
    根据ST等官方的参考手册,
    使 K p K I = L s R s \frac{{{K_p}}}{{{K_I}}} = \frac{{{L_s}}}{{{R_s}}} KIKp=RsLs ,则有可能实现零极消除;
    在此情况下,闭环系统被还原成一阶系统;
    可使用适当的KI值达到闭环系统要求的动态特性。

    在这里插入图片描述
    在这里插入图片描述
    这样设计完成后,电机的电流环控制系统如上,此时,系统等效于一个一阶低通滤波器。并且有
    G ( s ) = 1 τ s + 1 = 1 R s K I s + 1 = 1 L s K P s + 1 \begin{array}{l} G(s) = \frac{1}{{\tau s + 1}}\\ = \frac{1}{{\frac{{{R_s}}}{{{K_I}}}s + 1}}\\ = \frac{1}{{\frac{{{L_s}}}{{{K_P}}}s + 1}} \end{array} G(s)=τs+11=KIRss+11=KPLss+11
    那么,PI参数应该按照下面来配置,同时为了方便积分因子的计算,把采样频率SAMPLING_FREQ包含在KI表达式中(这一点非常重要,KI参数设计必须要考虑离散化)
    K p = L s ω c K I = R s ω c f k \begin{array}{l} {K_p} = {L_s}{\omega _c}\\ {K_I} = \frac{{{R_s}{\omega _c}}}{{{f_k}}} \end{array} Kp=LsωcKI=fkRsωc
    ω c {\omega _c} ωc为闭环带宽。比如使 ω c = 1500 r a d / s e c {\omega _c} = 1500{\rm{ }}rad/sec ωc=1500rad/sec,则电流控制系统的时间常数为0.66ms。
    关于加入采样频率的具体推导是
    k i ∫ 0 t e ( τ ) d τ = k i T s ∑ k = 1 n e ( k T s ) = K I ∑ k = 1 n e ( k T s ) {k_i}\int\limits_0^t {e(\tau )} d\tau = {k_i}{T_s}\sum\limits_{k = 1}^n {e(k{T_s}) = } {K_I}\sum\limits_{k = 1}^n {e(k{T_s})} ki0te(τ)dτ=kiTsk=1ne(kTs)=KIk=1ne(kTs)
    式中采样周期就是采样频率的倒数。
    总结下来,这一方法把电流环设计变为了单参数 ω c {\omega _c} ωc的调节,简化了电流环的设计。

    速度环设计

    转速环PI调节器的参数整定难度很大,关于电拖所用的参数整定方法,《现代永磁同步电机控制原理及MATLAB仿真》一书的评价是

    采用自动控制理论中的典型II系统进行PI参数整定。虽然该方法具有一定的实际价值,但是Pl调节器参数整定的设计过程中涉及的中间变量较多。并且很多情况下是基于特定假设条件得到的近似结果。

    所以我也不太推荐用II型系统法来进行速度环参数的设计。
    ST早期的库说明中没有对速度环的参数设计介绍,但是在5.0的库中,我看到了参数设计。
    在这里插入图片描述

    这个整定方法和有功阻尼法很像,所以我后面都是按照《现代永磁同步电机控制原理及MATLAB仿真》里面的有功阻尼法讲速度环参数设计
    为了便于转速环PI调节器的参数整定,重写三相PMSM的电机运动方程为
    J d ω m d t = T e − T L − B ω m T e = 3 2 p n i q [ i d ( L d − L q ) + ψ f ] \begin{array}{l} J\frac{{d{\omega _m}}}{{dt}} = {T_e} - {T_L} - B{\omega _m}\\ {T_e} = \frac{3}{2}{p_n}{i_q}[{i_d}({L_d} - {L_q}) + {\psi _f}] \end{array} Jdtdωm=TeTLBωmTe=23pniq[id(LdLq)+ψf]
    其中: ω m {\omega _m} ωm为电机的机械角速度;J为转动惯量;B为阻尼系数; T L {T_L} TL为负载转矩。
    定义有功阻尼为
    i q = i q ∗ − B a ω m {i_q} = i_q^* - {B_a}{\omega _m} iq=iqBaωm
    当采用id=0的控制策略,并假定电机在空载(TL=0)情况下启动时,由上面三式子可以得到
    d ω m d t = 1.5 p n ψ f J ( i q ∗ − B a ω m ) − B J ω m \frac{{d{\omega _m}}}{{dt}} = \frac{{1.5{p_n}{\psi _f}}}{J}(i_q^* - {B_a}{\omega _m}) - \frac{B}{J}{\omega _m} dtdωm=J1.5pnψf(iqBaωm)JBωm
    将式中的极点配置到期望的闭环带宽,可以得到转速相对于q轴电流的传递函数为
    ω m ( s ) = 1.5 p n ψ f / J s + β i q ∗ ( s ) {\omega _m}(s) = \frac{{1.5{p_n}{\psi _f}/J}}{{s + \beta }}i_q^*(s) ωm(s)=s+β1.5pnψf/Jiq(s)
    计算有功阻尼的系数Ba:
    B a = β J − B 1.5 p n ψ f {B_a} = \frac{{\beta J - B}}{{1.5{p_n}{\psi _f}}} Ba=1.5pnψfβJB
    若采用传统的PI调节器,则转速环控制器的表达式为
    i q ∗ = ( K p ω + K i ω s ) ( ω m ∗ − ω m ) − B a ω m i_q^* = ({K_{p\omega }} + \frac{{{K_{i\omega }}}}{s})(\omega _m^* - {\omega _m}) - {B_a}{\omega _m} iq=(Kpω+sKiω)(ωmωm)Baωm
    因此,PI调节器的参数Kpw、Kiw可由下式整定
    { K p ω = β J 1.5 p n ψ f K i ω = β K p ω \left\{ \begin{array}{l} {K_{p\omega }} = \frac{{\beta J}}{{1.5{p_n}{\psi _f}}}\\ {K_{i\omega }} = \beta {K_{p\omega }} \end{array} \right. {Kpω=1.5pnψfβJKiω=βKpω
    其中: β \beta β是转速环期望的频带带宽。相对于采用典型II系统进行PI调节器参数整定的方法,这一参数整定方法简单,并且参数调整与系统的动态品质关系明确。
    当然了,实际用的时候,I参数要除以速度环执行频率,现在的设计都是连续域下的。

    ST的速度环计算公式

    s s s域PI系数设定方法
    K P − A S R = J ω B − A S R K I − A S R = F ω B − A S R \begin{array}{l} {K_{P{\rm{ - }}ASR}} = J{\omega _{B - ASR}}\\ {K_{I{\rm{ - }}ASR}} = F{\omega _{B - ASR}} \end{array} KPASR=JωBASRKIASR=FωBASR
    式中: J [ k g / m 2 ] J\left[ {{\rm{kg/}}{m^2}} \right] J[kg/m2]为转动惯量, F [ N m / [ r a d / s ] ] F\left[ {Nm/\left[ {rad/s} \right]} \right] F[Nm/[rad/s]]为阻力系数, ω B − A S R [ r a d / s ] {\omega _{B - ASR}}\left[ {rad/s} \right] ωBASR[rad/s]为速度调节器通带宽度(即带宽), K P − A S R {K_{P{\rm{ - }}ASR}} KPASR为速度调节器比例系数, K I − A S R {K_{I{\rm{ - }}ASR}} KIASR为速度调节器积分系数。
    当然,在使用ST的FOC库函数时,需要考虑WB(一个软件)的系数设定(具体需要了解ST库函数的标幺化):
    K P − A S R − W B = J W B 1000000 k ( 2 π f B − A S R ) p 10 K I − A S R − W B = K P − A S R − W B τ m e c h T S − A S R − W B 1000 \begin{array}{l} {K_{P{\rm{ - }}ASR - WB}} = \frac{{\frac{{{J_{WB}}}}{{1000000}}k\left( {2\pi {f_{B - ASR}}} \right)p}}{{10}}\\ {K_{I{\rm{ - }}ASR - WB}} = \frac{{{K_{P{\rm{ - }}ASR - WB}}}}{{{\tau _{mech}}}}\frac{{{T_{S - ASR - WB}}}}{{1000}} \end{array} KPASRWB=101000000JWBk(2πfBASR)pKIASRWB=τmechKPASRWB1000TSASRWB
    式中:
    k τ = 1.5 2 3 60 1000 1 2 π k = 65536 R s h u n t G O P A M P 3.3 k τ τ m e c h = J W B F W B f B − A S R = 0.5 τ m e c h × 30 \begin{array}{l} {k_\tau } = 1.5\sqrt {\frac{2}{3}} \frac{{60}}{{1000}}\frac{1}{{2\pi }}\\ k = \frac{{65536{R_{shunt}}{G_{OPAMP}}}}{{3.3{k_\tau }}}\\ {\tau _{mech}} = \frac{{{J_{WB}}}}{{{F_{WB}}}}\\ {f_{B - ASR}} = \frac{{0.5}}{{{\tau _{mech}}}} \times 30 \end{array} kτ=1.532 1000602π1k=3.3kτ65536RshuntGOPAMPτmech=FWBJWBfBASR=τmech0.5×30

    TI参数设计方法

    电流环设计

    在这里插入图片描述
    TI的设计方法中,电流环的设计与ST的差不多,电流环 作为速度环PI调节器的内环。
    有区别的是,PI的环路结构,注意TI里面的从上面的表达式可以看到, K P {K_P} KP用于设定闭环系统响应的带宽, K P {K_P} KP越大,电流环路带宽越大。后面将分析如何选择合适的带宽。无论选择的带宽频率是多少,都可能会出现等于感抗的情况。
    同时, K I K P \frac{{{K_I}}}{{{K_P}}} KPKI 的配置是用于设定PI 控制器的零点。当控制自身传输函数中只有一个实极点的设备参数时(如电机中的电流), K I K P \frac{{{K_I}}}{{{K_P}}} KPKI应将设为该实极点的值。这样可消除极点/零点并生成同样只有单个实极点的闭环响应。即非常稳定、不含谐振峰的响应。
    目前,更常采用的是类似ST的PI控制器结构,故实际使用需要注意换算。

    速度环设计

    TI的速度环设计更像电拖的II型系统设计,分析得比ST的也全面多了。
    基于前面中低速下的电流环PI参数,此时,PI 电流控制器作为内部环路的级联PI 速度环路。
    速度环比电流环的设计更为复杂一些。另外,要正确设计速度环,还需要在电流环的基础上了解更多的系统参数。下图显示了构成级联速度控制环路的全部组件。所谓“级联”是指控制系统由具有一个或者更多内部环路的外部环路组成。
    在这里插入图片描述
    G c u r r e n t ( s ) = 1 L k p s e r i e s s + 1 {G_{current}}(s) = \frac{1}{{\frac{L}{{k_p^{series}}}s + 1}} Gcurrent(s)=kpseriesLs+11
    用该传递函数代替电流环。
    对于速度环,传递函数为
    P I s p e e d ( s ) = s p d k p s e r i e s × s p d k i s e r i e s s + s p d k p s e r i e s = s p d k p s e r i e s × s p d k i s e r i e s ( 1 + s s p d k i s e r i e s ) s \begin{array}{l} P{I_{speed}}(s) = \frac{{spdk_p^{series} \times spdk_i^{series}}}{s} + spdk_p^{series}\\ \begin{matrix} {}&{ = \frac{{spdk_p^{series} \times spdk_i^{series}(1 + \frac{s}{{spdk_i^{series}}})}}{s}} \end{matrix} \end{array} PIspeed(s)=sspdkpseries×spdkiseries+spdkpseries=sspdkpseries×spdkiseries(1+spdkiseriess)
    对PMSM, i q {i_q} iq与电机转矩的传递函数为
    M t r ( s ) = 3 2 p ψ f Mtr(s) = \frac{3}{2}p{\psi _f} Mtr(s)=23pψf
    那么,整个系统的开环传递函数为
    G H ( s ) = ( s p d k p s e r i e s × s p d k i s e r i e s ( 1 + s s p d k i s e r i e s ) s ) ( 1 L k p s e r i e s s + 1 ) ( 3 2 p ψ f ) ( 1 J 1 s ) GH(s) = \left( {\frac{{spdk_p^{series} \times spdk_i^{series}(1 + \frac{s}{{spdk_i^{series}}})}}{s}} \right)\left( {\frac{1}{{\frac{L}{{k_p^{series}}}s + 1}}} \right)\left( {\frac{3}{2}p{\psi _f}} \right)\left( {\frac{1}{J}\frac{1}{s}} \right) GH(s)=(sspdkpseries×spdkiseries(1+spdkiseriess))(kpseriesLs+11)(23pψf)(J1s1)
    简化式子
    G H ( s ) = K × s p d k p s e r i e s × s p d k i s e r i e s ( 1 + s s p d k i s e r i e s ) s 2 ( L k p s e r i e s s + 1 ) K = 3 p ψ f 2 J \begin{array}{l} GH(s) = \frac{{K \times spdk_p^{series} \times spdk_i^{series}(1 + \frac{s}{{spdk_i^{series}}})}}{{{s^2}\left( {\frac{L}{{k_p^{series}}}s + 1} \right)}}\\ K = \frac{{3p{\psi _f}}}{{2J}} \end{array} GH(s)=s2(kpseriesLs+1)K×spdkpseries×spdkiseries(1+spdkiseriess)K=2J3pψf
    这里存在三个极点
    两个极点位于 s = 0 s = 0 s=0 处,因此低频衰减率为每十倍频40Db.
    另一个极点为 s = − K p s e r i e s L s = - \frac{{K_p^{series}}}{L} s=LKpseries(电流控制器的极点)
    还有一个零点 s = − s p d K i s e r i e s s = - spdK_i^{series} s=spdKiseries处。
    为了保持稳定运行, s = − K p s e r i e s L s = - \frac{{K_p^{series}}}{L} s=LKpseries 极点的频率应高于 s = − s p d K i s e r i e s s = - spdK_i^{series} s=spdKiseries零点频率。除此之外,还可以使用PI参数的无数种组合得到不同的系统响应,具体取决于是要更高的带宽还是要更高的稳定性。可以定义与系统稳定性成正比、与带宽成反比的单个参数,可使用该参数自动设置PI参数,从而产生所选带宽下的最大相位裕度。
    s = − K p s e r i e s L s = - \frac{{K_p^{series}}}{L} s=LKpseries的频率高于 s = − s p d K i s e r i e s s = - spdK_i^{series} s=spdKiseries时,并且单位增益频率介于上述两个频率之间,则得到的波特图应类似下图
    在这里插入图片描述

    曲线形状之所以重要的原因是0dB 频率处的相移决定着系统稳定性。在极点频率与零点频率之间分离已确定的情况下,为使相位裕度最大化(相移:180°),0dB 频率的位置应恰好在对数刻度上极点频率与零点频率之间的中点位置。即,
    ω 0 d B = δ × ω z e r o ω p o l e = δ × ω 0 d B ω p o l e = δ 2 × ω z e r o \begin{array}{l} {\omega _{0dB}} = \delta \times {\omega _{zero}}\\ {\omega _{pole}} = \delta \times {\omega _{0dB}}\\ {\omega _{pole}} = {\delta ^2} \times {\omega _{zero}} \end{array} ω0dB=δ×ωzeroωpole=δ×ω0dBωpole=δ2×ωzero
    那么, s p d K i s e r i e s = K p s e r i e s δ 2 L spdK_i^{series} = \frac{{K_p^{series}}}{{{\delta ^2}L}} spdKiseries=δ2LKpseries

    其中, δ \delta δ为阻尼因子。 δ \delta δ值越大,零点角频率与电流环路极点频率之间的分离程度越大。分离程度越大,两个频率之间所能够达到的相位裕度峰值越大。这种稳定性的提升建立在牺牲速度环路带宽的基础上。 δ = 1 \delta= 1 δ=1 时,零点角频率与电流环路极点频率相等,这样能够消除极点/零点并且系统将变得不稳定。由于相位裕度> 0,因此理论上只要 δ > 1 \delta>1 δ>1 时,系统都是稳定的。但是, δ \delta δ 的值接近1 会导致性能上表现出严重的欠阻尼。
    速度环路的开环传输函数在频率等于零点拐点频率与δ 的乘积时为单位增益
    G H ( s ) = K × s p d k p s e r i e s × s p d k i s e r i e s ( 1 + s s p d k i s e r i e s ) s 2 ( L k p s e r i e s s + 1 ) K = 3 p ψ f 2 J \begin{array}{l} GH(s) = \frac{{K \times spdk_p^{series} \times spdk_i^{series}(1 + \frac{s}{{spdk_i^{series}}})}}{{{s^2}\left( {\frac{L}{{k_p^{series}}}s + 1} \right)}}\\ K = \frac{{3p{\psi _f}}}{{2J}} \end{array} GH(s)=s2(kpseriesLs+1)K×spdkpseries×spdkiseries(1+spdkiseriess)K=2J3pψf

    ∣ K × s p d k p s e r i e s × s p d k i s e r i e s ( 1 + s s p d k i s e r i e s ) s 2 ( s δ 2 × s p d k i s e r i e s + 1 ) ∣ s = j × δ × s p d K i s e r i e s = 1 {\left| {\frac{{K \times spdk_p^{series} \times spdk_i^{series}(1 + \frac{s}{{spdk_i^{series}}})}}{{{s^2}\left( {\frac{s}{{{\delta ^2} \times spdk_i^{series}}} + 1} \right)}}} \right|_{s = j \times \delta \times spdK_i^{series}}} = 1 s2(δ2×spdkiseriess+1)K×spdkpseries×spdkiseries(1+spdkiseriess)s=j×δ×spdKiseries=1

    对上面式子 “s”进行指定替换和整理后,得到:
    δ × K × s p d K p s e r i e s δ 2 ( K p s e r i e s δ 2 × L ) = 1 \frac{{\delta \times K \times spdK_p^{series}}}{{{\delta ^2}(\frac{{K_p^{series}}}{{{\delta ^2} \times L}})}} = 1 δ2(δ2×LKpseries)δ×K×spdKpseries=1
    最终,可得
    s p d K p s e r i e s = K p s e r i e s L × δ × K = δ × s p d K i s e r i e s K spdK_p^{series} = \frac{{K_p^{series}}}{{L \times \delta \times K}} = \frac{{\delta \times spdK_i^{series}}}{K} spdKpseries=L×δ×KKpseries=Kδ×spdKiseries
    据此,可以得到最后的速度环PI参数。
    这种方法不用根据经验调整四个看似与系统性能相关性很小的PI 系数,而是只需要定义两个有意义的系统参数:电流控制器带宽和速度环路阻尼系数。同时,需要结合电机的模型获得电机的几个参数。
    阻尼因子是代表系统稳定性与系统带宽之间权衡的一个数字。现在,已经对双环控制器的设计完成了简化,即四个PI 系数简化为两个“系统”参数。其中一个参数是电流控制器带宽。另一个是阻尼因子(δ)。这里的参数调节仅针对只考虑仅含转矩和惯性组件(即,无扭转谐振或粘滞阻尼)的负载。
    在这里插入图片描述

    速度控制器开环幅度和相位响应是δ 的函数
    由于电流带宽值的作用只是为频率轴提供参考点,因此其数值并不重要。但无论电流带宽是多少,曲线形状都不会改变。阻尼因子在1.5 至70 范围内扫描,分为8 个离散段,以显示如何对系统响应产生影响。值为1.0 时所对应的条件是:开环增益截距为0dB 且刚好在电流控制器带宽的频率处。这会导致在该频率处极点/零点消除且相位裕度为零。很明显,相位裕度为零对系统来说并不是件好事情。
    阻尼因子方程的一个目标是在给定带宽条件下获得最大稳定性。对于上图中的某个频率,当开环相位曲线中的相位裕度峰值达到自身最大值时,开环增益曲线恰好通过0db。随着稳定性因子增加,最终会在信号相移接近-90 度时达到下降点。但是,增益裕度会继续增加,其结果是大幅降低系统响应速度。
    根据TI的手册建议,得到以下计算电流环带宽的公式
    B W c = K p s e r i e s L = B W S ( δ + 2.16 × e δ 2.8 − 1.86 ) B{W_c} = \frac{{K_p^{series}}}{L} = B{W_S}(\delta + 2.16 \times {e^{\frac{\delta }{{2.8}}}} - 1.86) BWc=LKpseries=BWS(δ+2.16×e2.8δ1.86)
    B W s B{W_s} BWs是速度控制器带宽,单位是rad/s。
    在这里插入图片描述
    实际控制系统中,还存在速度滤波的环节。它会影响传递函数。
    在这里插入图片描述
    同时,速度PI 控制器需要考虑的参数:电流限制、钳位和惯性。这些都会对PI参数的配置产生影响。
    此外,矢量控制中,两个电流环相互之间存在的耦合影响,对此的解耦方案有前馈解耦等。
    在这里插入图片描述
    i d ( R + p L s ) = U d + ω L s i q i q ( R + p L s ) = U q − ω ( L s i q + ψ f ) \begin{array}{l} {i_d}(R + p{L_s}) = {U_d} + \omega {L_s}{i_q}\\ {i_q}(R + p{L_s}) = {U_q} - \omega ({L_s}{i_q} + {\psi _f}) \end{array} id(R+pLs)=Ud+ωLsiqiq(R+pLs)=Uqω(Lsiq+ψf)
    注:国际标准单位下
    在这里插入图片描述
    同时,采样和数据处理格式对PI调节器也有影响。
    在这里插入图片描述

    在上图所示的数字控制系统中,系统在PWM 周期开始时通过ADC 对电机信号进行采样并执行相应的控制计算,然后将得到的控制电压存入双缓冲PWM 寄存器。上述值在PWM 模块中保持未使用状态,直到下一个PWM 周期开始时才会将其作为PWM 输出的时钟信号。从系统建模的角度看,这就相当于采样频率等于PWM 更新频率时的采样和保持功能。采样和保持功能的固定时间延迟表现为滞后相位角,频率越高时滞后情况越严重。
    下图显示了采样和保持功能的标准化频率曲线图,假设采样频率为1。相位曲线是最重要的图形,因为它显示了采样和保持功能的相位延迟频率能够达到远低于采样频率的水平。例如,即使在采样频率的十分之一处,采样和保持(S&H) 功能仍然会产生-18 度的相移。
    在这里插入图片描述

    针对低载波比下的数字控制系统,尽管不存在完美比率,但通常倾向于使用经验法则,即采样频率应至少为电流控制器带宽(BWc) 的10 倍。这样可确保S&H 相位延迟的影响仅从电流控制器的相位裕度中减去18 度,从而得到非常稳定的72 度相位裕度。当然,如有需要还可设置更高的采样频率,但这通常需要使用具有更高MIPS 的更加昂贵的处理器。
    假如系统响应迟缓且电机输出似乎未达到额定转矩,则可能是系统中粘滞阻尼过大。

    总结

    目前有许多新的控制算法,像滑模控制、模型预测控制等,这些算法可能会有更好的控制效果,但是PI控制的参数设计还是有必要学习的,毕竟PI控制器在普通性能的单片机上都能跑,而且它的经典性也是毋庸置疑的。

    展开全文
  • 那么在这个过程中各个部件的控制信号是如何实现的,这就引出了控制器设计。 把控制器看作产生固定时序控制信号的逻辑电路,会有指令译码、时钟信号、反馈信号几个输入信号,输出的就是功能部件控制信号序列。 ...

    MOVE指令的执行过程如下图所示,抛去取指令阶段,只需要一个时钟周期就可以完成。那么在这个过程中各个部件的控制信号是如何实现的,这就引出了控制器的设计。

    把控制器看作产生固定时序控制信号的逻辑电路,会有指令译码、时钟信号、反馈信号几个输入信号,输出的就是功能部件控制信号序列。

    如下指令中,LOAD指令的指令周期最长,需要8个时钟周期才能完成。

    对于传统三级时序而言,要取最长的指令周期作为机器周期的选择依据。

    下面依据传统三级时序设计硬布线控制器。

    首先要设计时序产生器。

    三级时序分别为:节拍脉冲、状态周期电位、节拍电位。

    根据这三级时序的不同组合,就可以获得相应的状态机。

    执行指令周期中一共有8个状态:取值状态的T1、取之状态的T2……

    这8个状态的前后对应关系是确定的,处在不断地往返循环当中。

    那么可以用一个3位的状态寄存器来表示这8种状态,将目前的状态即现态分别输入到状态机组合逻辑和时序产生器组合逻辑中,前者会将现态变成次态(即过去的状态),根据次态产生该次态的下一个状态,变成新的现态;后者会根据现态产生相应的时序信号。

    硬布线控制器会接收译码信号、反馈信号、节拍电位、状态电位,通过他们的组合即可生成控制信号序列。

    例如:

    Read信号在取值阶段的T2、T3和LOAD指令执行阶段的T2、T3发挥作用,那么就可以得到如下的逻辑表达式,根据该逻辑表达式,再进行一定的化简,就可以通过门电路去实现相应的逻辑。

    (创作不易,请点赞收藏哦~)  

    展开全文
  • LED彩灯控制器设计 51单片机 流水灯 PROTEUS 仿真

    千次阅读 热门讨论 2020-11-03 00:16:31
    课程设计题四:LED彩灯控制器设计 要求: 1、至少10个发光管4种花样自动变换,循环往复。 2、彩灯花样变换的快慢节拍可以手动和自动方式控制,手动控制按钮按一次转换一次;自动控制方式每15秒变换一次,1分钟循环一...
  • 基于proteus的CPU控制器设计(微程序版)

    千次阅读 多人点赞 2019-04-25 10:31:27
    基于proteus的CPU控制器设计(微程序版)数据通路微程序设计原理微程序控制器参考资料 数据通路 为了理解微程序控制器的设计思想,我们假设一个极简的数据通路如下图1所示,由并联在单条8位总线BUS上的三个部件组成...
  • 一、基本概念 对于图1所示系统,u为控制输入,y为测量输出,z为被调输出,w为干扰输入,由输入u,w到输出y,z的传递函数G成为...二、H无穷控制器设计方法 1. 基于Riccati方程的H∞控制设计 2.基于LMI的H∞控制 ...
  • 数电实验 彩灯控制器设计

    千次阅读 2020-10-19 22:49:58
    数电实验(二) 彩灯控制器设计 层次设计教学:https://blog.csdn.net/m0_37652453/article/details/105326243 module yyc2018113559_2_1(clk,en,Q); //六进制计数器 input clk,en; //clk为时钟 output reg[2:0] Q; ...
  • 控制教程 —— 介绍篇:3.PID控制器设计

    千次阅读 多人点赞 2020-04-30 15:09:26
    介绍完系统建模和基本的系统分析后,我们已经了解了被控对象的特性,这时,就需要用一个合理的控制器,让这个被控对象在该控制器下按照指定的给定来执行,最为广泛使用的那就是PID控制器了。 在本教程中,我们将介绍...
  • SD-Host 控制器设计

    千次阅读 多人点赞 2020-06-29 00:13:52
    随着SoC芯片复杂度的提高,IP核复用(Intellectual Property Core Reuse)技术开始成为当今SoC设计中的一个热点,它可以使设计者专注于 整个系统的设计,充分利用已有资源,提高设计速度,降低芯片开发成本。...
  • 36-基于51单片机的LED彩灯控制器设计

    千次阅读 2021-05-23 10:18:40
    具体功能: (1)至少10个发光管4种花样自动变换,...(2)彩灯花样变换的快慢节拍可以手动和自动方式控制,手动控制按钮按一次转换一次;自动控制方式每15秒变换一次,1分钟循环一遍; (3)系统复位清零开关。
  • 直线型一阶倒立摆3---控制器设计

    千次阅读 2020-01-14 16:40:44
    四、控制器设计 如前文所述,倒立摆状态空间方程表明系统能够被控制、被观测。倒立摆或者其它受控系统达到受控稳定状态,其实质上是指系统的各状态量收敛至一目标稳定值。对于状态空间描述而言,系统矩阵A的特征值...
  • 多周期MIPS CPU硬布线控制器设计

    千次阅读 2020-09-14 15:57:37
    多周期MIPS CPU硬布线控制器设计 和单周期CPU相比,只是讲微指令控制器改变成硬布线控制器,而其他部分并没有发生改变 数据通路部分和微指令控制器多周期MIPS CPU一样,原理也一样 多周期硬布线除控制状态机外都...
  • 该系统的总体设计思路如下:温度传感器DS18B20把所测得的温度发送到AT89C52单片机上,经过51单片机处理,将把温度在显示电路上显示,本系统显示器用LCD数码显示器以动态扫描法实现。检测范围25摄氏度到50摄氏度,...
  • 高超声速飞行是指飞行马赫数大于5的飞行,它是一种近空间飞行。“近空间”可简单理解为:现有飞机飞行的最高高度(约20Km)和卫星运行...高超声速飞行与常规的飞行相比其整体布局采用机身发动机一体化设计
  • 基于FPGA的电梯控制器设计(任意楼层)

    千次阅读 多人点赞 2020-05-03 23:23:23
    本设计是基于FPGA的电梯控制器设计,可以实现控制器的功能如下图所示,可以自由设置楼层数,通过设计三段式有限状态机实现控制器的逻辑功能。 编程语言verilog/VHDL 系统功能架构框图: 状态机流程图: 代码的顶层...
  • DDR3:MIG控制器设计(vivado)

    千次阅读 2020-08-14 20:54:23
    7 系列的 DDR 控制器的解决方案如下所 示: DDR3 控制器包含 3 部分:用户接口模块(User interface Block), 存储器控制模块(Memory Controller)和 DDR3 的物理接口(Physical Layer)。开发人员只需要开发用户的逻辑...
  • 我们这章要设计计算机中的控制器D(z),D(z)是Z域中的表达,是输出信号的Z变换与输入信号Z变换的比值,这个比值等式映射到时域中就是,这就是我们要找的时域中的控制算法。 计算机控制系统典型图: 我们假设:A/D...
  • 控制器设计:MIPS单周期CPU

    千次阅读 多人点赞 2020-06-14 20:13:48
    一、实验要求 利用运算器实验,存储系统实验中构建的运算器、寄存器文件、存储系统等部件以及 Logisim 中其它功能部件,构建一个32位 MIPS CPU 单周期处理器。完成设计后,加载 sort...(4)单周期MIPS控制器设计
  • 课程设计题四:LED彩灯控制器设计

    千次阅读 多人点赞 2019-07-04 11:32:50
    2、彩灯花样变换的快慢节拍可以手动和自动方式控制,手动控制按钮按一次转换一次;自动控制方式每15秒变换一次,1分钟循环一遍。 3、系统复位清零开关。 获取该 程序+protues 的方式: 1、CSDN下载: ...
  • 控制教程 —— 介绍篇:4.根轨迹控制器设计

    千次阅读 多人点赞 2020-05-05 17:08:30
    在本教程中,我们将介绍根轨迹,展示如何使用MATLAB来创建根轨迹,并演示如何通过使用根轨迹来设计满足某些性能指标的反馈控制器。 本教程中使用的主要MATLAB命令包括:feedback,rlocus,step,controlSystemDesigner...
  • 以下是基于FPGA的LED全彩图形显示控制器设计的1核心内容,因为静态驱动相较于动态扫描驱动方式所用的驱动芯片会大大增加,LED屏的成本也会随之升高,动态扫描要提高亮度增加扫描频率就可以很好达到,所以这种全静态...
  • 模糊控制器设计基本方法

    万次阅读 2017-11-17 22:29:21
    设计控制规则 确立模糊化和非模糊化方法 选择输入输出变量的论域并确定参数(量化银子、比例因子) 编程 合理选择采样时间 模糊化 y=2n[x−(a+b)/2](b−a)y=2n[x-(a+b)/2](b-a) 去模糊化 MIN、MAX重心法 Zo=∑μ(Zi...
  • ——《Fundamentals of Power Electrics》译文系列(之)控制器设计 1 概述 2 负反馈对网络传递函数的影响 2.1 反馈环节的特点:减小“扰动-输出”传递函数 2.2 反馈环节的特点:降低“给定-输出”传递函数对前向...
  • 倒立摆系统的多种控制器设计

    千次阅读 2017-12-25 21:41:11
    倒立摆系统是一种典型控制对象,它为各种控制器设计方法提供了一个很好的实验和应用平台。文章首先依据一阶倒立摆系统的动力学方程对其进行了建模,得出了系统的传递函数和状态空间,其次利用PID控制、极点配置、...
  • 基于AHB总线的SRAM控制器设计

    万次阅读 2018-07-23 22:57:29
    32位总线,支持8/16/32位数据读写,SRAM空间大小是64KB,单周期读写(本设计不支持wait,即hready都拉高) SRAM是一个单端口(FiFo是双端口,这里就是一边读写就行,就使用单端口),大小是8*8K,支持低功耗(工作...
  • 二阶积分系统L1自适应控制器设计

    千次阅读 2017-08-17 20:39:07
    - 二阶积分系统控制器设计相对简单,但包含L1设计需要考虑的全部内容一、二阶积分系统极点配置 二阶积分系统为: y=1s2r y=\frac{1}{s^2}r 其中状态空间形式为:x˙=∣∣∣0100∣∣∣x+∣∣∣01∣∣∣u \dot{x} =...
  • 本代码是MathWorks讲座"PID Control Made Easy"的演示文件。 This is the demo file for MathWorks...演示了如何在MATLAB和Simulink中进行PID控制器设计与调整。 The demo shows design and tuning of PID control...
  • 神经网络控制器设计

    千次阅读 2018-06-30 00:00:29
    智能控制之神经网络控制器设计
  • 模糊控制器为两输入一输出。 b.定义输入、输出模糊集 输入和输出均分为7个模糊子集,均为{NB,NM,NS,ZO,PS,PM,PB}。e的论域为[-100 100],de的论域为[-55],u的论域为[-100 100]。 c.输入输出隶属函数 N

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,122,206
精华内容 448,882
关键字:

控制器设计

友情链接: 数据结构和算法.zip